aai09知识发现和数据挖掘1高级人工智能史忠植.pptx

2020/12/29
高级人工智能 史忠植
4
不同的术语名称
知识发现是一门来自不同领域的研究者关注的交 叉性学科，因此导致了很多不同的术语名称。
➢ 知识发现:人工智能和机器学习界。
➢ 数据挖掘(data mining):
统计界、数据分析、数据库和管理信息系统界
知识抽取 (information extraction)、 信息发现 (information discovery)、 智能数据分析 (intelligent data analysis)、 探索式数据分析 (exploratory data analysis) 信息收获 (information harvesting) 数据考古 (data archeology)
2020/12/29
高级人工智能 史忠植
5
2020/12/29
高级人工智能 史忠植
6
知识发现的任务(1)
➢ 数据总结：
对数据进行总结与概括。传统的最简单的数据总结方法是计 算出数据库的各个字段上的求和值、平均值、方差值等统计 值,或者用直方图、饼状图等图形方式表示。
➢ 分类：
根据分类模型对数据集合分类。分类属于有导师学习，一般 需要有一个训练样本数据集作为输入。
2020/12/29
高级人工智能 史忠植
15
关联规则的相关概念(2)
➢支持度
物品集A的支持度：称物品集A具有大小为s的支持度, 如果D中有s%的事务支持物品集X P(A)
1000个顾客购物，其中200个顾客购买了面包，
支持度就是20％（200/1000）。
关联规则A→B的支持度：关联规则A→B在事务数据 库W中具有大小为s的支持度,如果物品集A∪B的支持 度为s
规则、科学规律、方程或概念网。
2020/12/29
高级人工智能 史忠植
3
数据库知识发现
目前, 关系型数据库技术成熟、应用广泛。 因此, 数据库知识发现(Knowledge Discovery in Databases KDD)的研究非常活跃。
该术语于1989年出现，Fayyad定义为 “KDD是从数据集中识别出有效的、新颖的、 潜在有用的，以及最终可理解的模式的非平凡 过程”
2020/12/29
高级人工智能 史忠植
17
关联规则的相关概念(4)
➢最小支持度minsup
用户规定的关联规则必须满足的最小支持度。
➢最小可信度minconf
年代初 ✓ 粗糙集(Rough Set) Pawlak 80年代初
2020/12/29
高级人工智能 史忠植
9
知识发现的方法(2)
➢ 机器学习：
✓ 规则归纳：AQ算法 ✓ 决策树：ID3、C4.5 ✓ 范例推理:CBR ✓ 遗传算法:GA ✓ 贝叶斯信念网络
2020/12/29
高级人工智能 史忠植
10
2020/12/29
高级人工智能 史忠植
13
关联规则的表示
关联规则的形式如 “在购买面包顾客中,有70%的人 同时也买了黄油”,可以表示成：面包→黄油。 用于关联规则发现的主要对象是事务型数据库,其中 针对的应用则是售货数据,也称货篮数据。一个事务 一般由如下几个部分组成:事务处理时间 ,一组顾客 购买的物品,有时也有顾客标识号(如信用卡号)。
2020/12/29
高级人工智能 史忠植
12
关联规则
属于知识发现任务中的相关性分析
由于条形码技术的发展,零售部门可以利用前端收款 机收集存储大量的售货数据。因此,如果对这些历史 事务数据进行分析,则可对顾客的购买行为提供极有 价值的信息。例如,可以帮助如何摆放货架上的商品 (如把顾客经常同时买的商品放在一起),帮助如何规 划市场(怎样相互搭配进货)。
100个顾客购买了面包和黄油，则面包→黄油 10％
2020/12/29
高级人工智能 史忠植
16
关联规则的相关概念(3)
➢可信度
设W中支持物品集A的事务中，有c％的事务同时也 支持物品集B，c％称为关联规则A→B的可信度。
P(B|A) 1000个顾客购物，200个顾客购买了面包，其中140个 买了黄油，则可信度是70％（140/200）。
2020/12/29
高级人工智能 史忠植
14
关联规则的相关概念(1)
设R={I1,I2……Im}是一组物品集，W是一组事务集。W 中的每个事务T是一组物品，TR。 假设有一个物品集A，一个事务T，如果AT，则称事 务T支持物品集A。 关联规则是如下形式的一种蕴含：A→B，其中A、B是 两组物品，AI，BI，且A∩B=。
第九章 知识发现和数据挖掘
数据库中知识发现
史忠植 中科院计算所
2020/12/29
高级人工智能 史忠植
1
➢ 知识发现 ➢ 关联规则 ➢ 数据仓库 ➢ 知识发现工具
2020/12/29
高级人工智能 史忠植
2
知识发现
知识发现是指从数据集中抽取和精炼新的模式。 ➢ 范围非常广泛：经济、工业、农业、军事、社会 ➢ 数据的形态多样化：数字、符号、图形、图像、声音 ➢ 数据组织各不相同：结构化、半结构化和非结构 ➢ 发现的知识可以表示成各种形式
知识发现的方法(3)
➢ 神经计算：
神经网络是指一类新的计算模型，它是模仿人脑神经网络的 结构和某些工作机制而建立的一种计算模型。常用的模型： ✓ Hopfield网 ✓ 多层感知机 ✓ 自组织特征映射 ✓ 反传网络
➢ 可视化：
2020/12/29
高级人工智能 史忠植
11
KDD的技术难点
➢ 动态变化的数据 ➢ 噪声 ➢ 数据不完整 ➢ 冗余信息 ➢ 数据稀疏 ➢ 超大数据量
➢ 聚类：
根据数据的不同特征，将其划分为不同的类。无导师学习
ห้องสมุดไป่ตู้
2020/12/29
高级人工智能 史忠植
7
知识发现的任务(2)
➢ 相关性分析：
发现特征之间或数据之间的相互依赖关系 关联规则
➢ 偏差分析：
基本思想是寻找观察结果与参照量之间的有意义的差别。通 过发现异常, 可以引起人们对特殊情况的加倍注意。
➢ 建模：
构造描述一种活动或状态的数学模型
2020/12/29
高级人工智能 史忠植
8
知识发现的方法(1)
➢ 统计方法：
✓ 传统方法： 回归分析、判别分析、聚类分析、探索性分析
✓ 模糊集(fuzzy set) Zadeh 1965 ✓ 支持向量机(Support Vector Machine) Vapnik 90